（来源：上观新闻）
”刘岩总结🏯。这个基准出了🥍名地难——此前最🌵💚好的AI系统🇵🇰🔩只能完成约21®%的评分要🦓求，而顶尖的机3️⃣器学习博士生🧶🤐在48小📬时内能完成约🏠🏗41%🖲。在没有上手用🍹这功能🇬🇺之前，我其实觉得⚜🎭它就是一个 A🇷🇺gent 👨🚒Team 的翻版🌄🦸♀️，但真正🈲放到群聊的界面里👨🌾，发现💅🏆还是有非常多的惊🐨👩🍳喜♊。
训练方式是一种📢💂叫做GRP💂♀️🇾🇹O的强化学习⏹🦃算法：AI在🥢练习场景中一🎶次生成多💡个不同的答案，🐣👩💻系统根据每个🇫🇮🚪答案的好🇻🇮🥠坏给出分⌛数，然后通过对🏑🎫比组内分数的🦹♀️🔇高低来计算每个🗞🇨🇴答案应该被强化还🆔是削弱🇮🇷。但一些股东🚷认为，这🎻🧴一政策仍🤰💨然过于宽松🇵🇲🚤，如果特斯拉股价🔯🔩下跌，可能会🍅使公司🇰🇳🇱🇷面临风险💜。
